研究提出了流式语音识别的“decoder-only”模型，使用适配器和边界令牌来提升模型性能。实验结果表明，该模型在中文语音识别任务中取得了较好的性能。

阿里的FunAsr对Whisper中文领域的转写能力造成挑战，但通过中文文本标注优化，Whisper可以斗过FunAsr。使用transformers库可以提高中文识别准确度和效率。BELLE-2/Belle-whisper-large-v2-zh模型微调提升中文语音识别能力。通过标点模型对转写文本加标点是另一解决方案。Whisper开源模型通过transformers微调提高中文NLP性能。

阿里达摩院自研的FunAsr是一款中文语音识别技术，与OpenAi的Whisper相媲美。FunAsr基于Paraformer非自回归端到端模型，具有高精度、高效率、便捷部署的优点，支持标点符号识别、低语音识别、音频-视觉语音识别等功能。通过对比测试，FunAsr在中文语音转写方面表现优秀，几乎每一条素材都进行了标注。与Whisper相比，FunAsr的模型参数更多，训练数据更丰富，因此在中文领域的语音识别效果更好。

OpenAI发布了语音转文本模型Whisper，可本地离线运行，识别效果超过国内许多大厂中文语音识别产品。使用Whisper配合ChatGPT可进行纠正，方便生成字幕，完全免费。